中国农业期刊集成服务平台

当前位置: 首页 > 文章 > 基于聚类提升树的多标签学习江苏大学学报(自然科学版) 2021 (4) 428-437

Position: Home > Articles > 基于聚类提升树的多标签学习 Journal of Jiangsu University (Natural Science Edition) 2021 (4) 428-437

基于聚类提升树的多标签学习

作者：

王进;余薇;孙开伟;邓欣

单位：

重庆邮电大学数据工程与可视计算重点实验室

关键词：

多标签学习;标签特定特征;特征构建;聚类特征树;聚类提升树;

摘要：

为了探索多标签数据集中每个标签所具有的特定特征,针对标签特定特征进行有效的利用,提出基于聚类提升树的多标签学习方法（multi-label leaning based on boosting clustering trees, MLL-BCT）.建立MLL-BCT整体框架,通过引入聚类特征树来挖掘数据样本之间的相关性,以树形结构保存数据的内在关联;通过引入随机子集训练每个标签的若干分类树来学习标签特定特征,增强特征对单个标签表达,提升分类性能.将所提出的方法在flag、emotions等11个数据集上与经典的特定特征领域多标签学习方法（LIFT、LLSF、REEL、LLSF-DL）进行对比试验.结果表明:新方法在各评估指标（Hamming Loss、One-error、Ranking Loss、Average Precision、Micro-averaged F-Measure）上均具有明显的性能提升,且方法具备简单灵活性.

相似文章

基于梯度提升的多标签分类器链方法 [王进, 陈瑀, 孙开伟] 江苏大学学报（自然科学版） 2021 (3) 309-317
基于标签相关性的标签特定特征多标签学习 [王进, 梁晨, 孙开伟, 陈乔松, 邓欣] 江苏大学学报(自然科学版) 2023,44 (5) 554-563,576

导出引用

计量

文章访问数: 16

HTML全文浏览量: 0

PDF下载量: 0

基于聚类提升树的多标签学习

相似文章

所属期刊

江苏大学学报(自然科学版)

推荐期刊

江苏大学学报(自然科学版)